利用时间序列分析法预测工作面瓦斯涌出规律.pdf

《利用时间序列分析法预测工作面瓦斯涌出规律.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2012年2月矿业安全与环保第39卷第1期利用时间序列分析法预测工作面瓦斯涌出规律郭一鹏，郭晓丽，郭晓红，郝晓君，赵晖(1．中国矿业大学安全工程学院，江苏徐州221116；2．阳煤集团公司，山西阳泉~5000)摘要：根据瓦斯涌出的特征，分析了目前常用瓦斯预测方法的适用条件，在假定瓦斯浓度只受时间和历史数据影响的情况下，运用时间序列分析方法对工作面瓦斯浓度的变化规律进行了预测，结果表明，利用时间序列分析方法预测工作面瓦斯涌出规律是合理有效的。关键词：瓦斯涌出规律；时间序列分析法；求和自回归移动平均模型中图分类号：TD712．5

2、文献标志码：A文章编号：1008—4495(2012)01—0033-03近年来，瓦斯涌出量预测技术得到了快速发展，需要指出的是，由于时间序列预测法暂不考虑归纳起来大致有如下几种方法：梯度法J，类比外界因素影响，因而存在着预测误差的缺陷。当遇法L2J，分形法，灰色系统理论与模糊数学法，神经网到外界环境发生较大变化时，预测结果往往会有较络模型法，分源法，三维灰趋势面分析法，瓦斯地质大偏差，时间序列预测法对于中短期预测的效果要数学模型法，基于GIS的瓦斯预测法等。由于瓦斯比长期预测的效果好。涌出量随着煤矿生产进程是不断变化的，而

3、上述方2求和自回归移动平均模型法的预测结果皆是静态的，不能随着瓦斯数据的累积而及时更新显示当前的瓦斯涌出量，所以也就不在实际当中产生的时间序列常常是非平稳的，能及时提供最新、最准确的预测成果，只能进行瓦斯由于观察个数所限，通常建立有限阶数模型来描述涌出量的静态预测。时间序列分析法能够根据现有时间序列过程。ARIMA(求和自回归移动平均)模数据对今后一段时期内的瓦斯涌出量进行预测，表型能非常有效地描述各种时间序列，其实质就是差现出预测结果的动态性。在各种影响瓦斯涌出量的分运算和ARIMA模型的结合。差分方法是一种非因素不变的条

4、件下，时间和历史瓦斯涌出量是预测常简便、有效的提取非平稳序列中有效信息的方法，瓦斯浓度和涌出量的重要参考数据。因此，选用时任意非平稳序列只要经过适当的差分后就可以转化间序列分析法，根据历史瓦斯资料的时间顺序来分为ARIMA模型进行拟合。析瓦斯涌出规律是科学、合理的。2．1差分方式的选择1)序列蕴含着显著的线性趋势，一阶差分就可1时间序列分析基本原理以实现趋势平稳；时间序列分析法是定量预测方法之一，其基本2)序列蕴含着曲线趋势，通常低阶(二阶或三阶)差分就可以提取出曲线趋势的影响；原理是：承认事物发展的延续性，应用历史数据，就

5、能推测事物的发展趋势；考虑到事物发展的随机性，3)对于蕴含着固定周期的序列进行步长为周期长度的差分运算，通常可以较好地提取周期信息；任何事物发展都可能受偶然因素影响，一般只适用4)足够多次的差分运算可以充分地提取原序于短期预测。其特点：①时间序列分析预测法是根据列中的非平稳确定性信息，但过度的差分会造成有过去的变化趋势预测未来的发展，前提是假定事物的用信息的浪费。过去会同样延续到未来；②该方法突出了时间因素在2．2A模型预测中的作用J。时间序列预测一般反映3种实际求和自回归移动平均模型，记为ARIMA(P，d，变化规律：趋势

6、变化、周期性变化、随机性变化J。q)，该模型具有如下结构：r()V=O(B)收稿日期：2011一o6—22；2011一o9—10修订作者简介：郭一鹏(1985一)，男，山西阳泉人，中国矿业大{【E(8)=0，Var()=，E(s)：0，s≠t(1)学在读硕士，研究方向为矿井通风与安全。E-m~l：gyp700@：0，vs<163．com。式中：V=(1-B)；(B)=1一咖B一·一咖，为平稳·33·2012年2月矿业安全与环保第39卷第1期ARIMA(p，q)模型的自回归系数多项式；O(B)=2)根据系列的时序图和自相关图判

7、断序列的1—01B一．-0。B，为平稳ARIMA(p，q)模型的移动平平稳性；均系数多项式。3)若序列为非平稳序列，选择一定的差分方式2．3A砌模型建模过程对该时间序列进行差分运算，使之成为差分平稳ARIMA模型建模步骤，就是对序列进行差分运序列；算后拟合ARIMA模型，如图1所示。4)对序列进行白噪声检验，若序列为白噪声序列，则分析结束；5)对差分平稳非白噪声序列拟合ARIMA模型；6)根据拟合的模型预测序列未来的发展趋势。3实际应用在SAS系统(统计分析系统)中有一个专门进行计量经济与时间序列分析的模块：SAS／ETS。

8、SAS／ETS编程语言简洁，输出功能强大，分析结果精确，是进行时间序列分析与预测的理想软件。由于SAS系统具有全球一流的数据仓库功能，因此在进行海量数据的时间序列分析时具有其他统计软件无可比拟的优势。3．1SAS中建模步骤图1ARIMA模型建模步骤示意图在SAS中建立ARIMA模型分为3个